Resumo Técnico: AutoResearch Agêntico para Autonomia Espacial

Definição do Problema

O desenvolvimento de políticas aprendidas de orientação, navegação e controle (GNC) para espaçonaves é inerentemente um processo de pesquisa iterativo. Investigadores devem selecionar arquiteturas, ajustar hiperparâmetros e executar experimentos para determinar se os ganhos de desempenho são genuínos ou meramente artefatos de variação de semente aleatória (ruído de semente). Este processo é laborioso e propenso ao "excesso de afirmação" (over-claiming), onde uma única execução favorável é confundida com um resultado robusto. Embora os Modelos de Linguagem de Grande Escala (LLMs) tenham emergido como agentes de pesquisa autônomos capazes, automatizar este ciclo introduz um novo risco: um agente que experimenta mais rápido pode agravar o risco de confundir ruído com progresso se a disciplina estatística não for aplicada.

O problema central abordado é como automatizar o ciclo de pesquisa de controle aeroespacial usando um LLM, garantindo que cada melhoria reportada seja estatisticamente significativa, reproduzível e auditável contra o ruído de semente medido do problema específico.

Metodologia: O Framework AutoResearch

O artigo introduz o AutoResearch, um framework onde um LLM atua estritamente como um agente de pesquisa offline para desenvolver políticas de controle, acoplado a uma camada de credibilidade que opera dentro do ciclo para certificar resultados. O framework é projetado como uma máquina de estados fechada e legível por máquina.

1. O Contrato da Família (The Family Contract)

Para garantir a reutilização em diversos problemas aeroespaciais, o framework define uma abstração de "família" composta por quatro artefatos:

• Descrição do Problema (program.md): Uma especificação em linguagem natural de objetivos, métricas, baselines e escopos de mudança permitidos.
• Script de Treinamento Editável (train.py): Contém uma região delimitada de hiperparâmetros (a "superfície editável") que o agente pode modificar. A dinâmica subjacente, os solvers e os protocolos de avaliação permanecem imutáveis.
• Registro (family.json): Mantém a métrica alvo, o baseline de referência e a configuração atual de melhor desempenho.
• Log de Adição Única (runs.jsonl): Registra cada experimento concluído.

2. O Ciclo do Agente

O ciclo consiste em três módulos:

• Propositor (Proposer): Um LLM (especificamente o Claude Sonnet 4.5 da Anthropic nos experimentos) que lê a descrição do problema, o histórico de execuções e os hiperparâmetros atuais. Ele é forçado a gerar uma chamada de ferramenta estruturada: ou propose_experiment (com uma hipótese, sobreposições específicas de hiperparâmetros e um critério de falha previsto) ou stop_research. O sistema opera em modo cego, ocultando a métrica alvo e os valores de baseline do agente para evitar memorização e forçar uma busca iterativa genuína.
• Executor (Runner): Executa a configuração proposta ao aplicar patches na região editável do train.py, executando-o como um subprocesso isolado e analisando uma única linha de métrica estruturada.
• Orquestrador (Orchestrator): Gerencia a máquina de estados, impõe condições de terminação (ex: limites de orçamento, detecção de platô) e garante que configurações distintas não sejam reavaliadas.

3. A Camada de Credibilidade

A inovação central é uma camada de auditoria estatística que filtra cada resultado reportado. Um resultado só é creditado se passar por três verificações:

1. Ruído de Semente Medido: Antes de qualquer melhoria ser reivindicada, o framework mede o desvio padrão ($\sigma$) da métrica através de $K$ sementes de uma configuração de baseline fixa. Este $\sigma$ serve como a unidade de medida para todas as reivindicações subsequentes.
2. Verificação por Re-semeadura (Reseeded Verification): A melhor configuração do agente é executada novamente em um conjunto de sementes novas e independentes. Para ser aceita, a melhoria média deve exceder o baseline em pelo menos $2\sigma$ (um portão de efeito de um lado) e a política deve satisfazer todas as restrições rígidas de segurança em cada semente.
3. Poda por Exclusão (Leave-One-Out Pruning): Para identificar quais edições realmente contribuíram para o resultado, o framework reverte cada parâmetro modificado individualmente. Os parâmetros são classificados como "portadores de carga" (load-bearing — reverter prejudica o desempenho), "carona inerte" (inert hitchhikers — reverter não tem efeito) ou "moveram-se na direção errada" (reverter ajuda). Este processo distingue contribuições genuínas de correlações coincidentes.

Principais Contribuições

O artigo apresenta três contribuições primárias:

1. Um Framework Reutilizável para Experimentação Agêntica: Um "contrato de família" que permite que o mesmo ciclo de agente seja aplicado a problemas com físicas drasticamente diferentes (ex: movimento orbital relativo vs. evasão de colisão).
2. Uma Camada de Credibilidade para Autonomia Confiável: Um mecanismo de auditoria estatística que denomina resultados em ruído de semente medido, exigindo verificação por re-semeadura e ablação por exclusão para separar ganhos reais de sorte de semente.
3. Resultados Auditados em Problemas de Controle Aeroespacial: Demonstração do framework em dois problemas distintos de controle de espaçonaves, mostrando que a política auditada supera o ruído de semente por muitas variações padrão, enquanto a busca aleatória não direcionada falha em fazê-lo.

Resultados Experimentais

O framework foi testado em dois problemas utilizando clonagem comportamental para destilar solvers de controle ótimo em políticas de feedback.

1. Rendezvous Relativo de Clohessy–Wiltshire

• Tarefa: Aprender uma política para conduzir uma espaçonave perseguidora a um alvo a partir de várias condições iniciais.
• Resultado: O agente LLM reduziu a distância terminal média de ~16m (baseline) para 0.094m (melhor semente única).
• Auditoria: A re-semeadura sobre 10 novas sementes resultou em uma média de 0.101m, um ganho de 15.0$\sigma$ sobre o baseline.
• Comparação: Uma busca aleatória não direcionada correspondente estagnou em aproximadamente ~0.635m.
• Poda: Identificou cinco edições portadoras de carga (número de demonstrações, orçamento de treinamento, taxa de aprendizado, largura oculta, profundidade) e quatro edições inertes que importavam apenas em combinação.

2. Evasão de Colisão com Restrição de Segurança

• Tarefa: Realizar o docking passando por uma "zona de exclusão" (uma esfera que a espaçonave não deve entrar) enquanto alcança um alvo no lado oposto.
• Resultado: O agente encontrou uma política com um score de docking consciente de segurança de 0.33 (melhor semente única).
• Auditoria: A re-semeadura sobre 10 novas sementes resultou em 0.38, um ganho de 5.2$\sigma$. Crucialmente, 100% das re-semeaduras foram estritamente viáveis (zero violações da zona de exclusão).
• Comparação: A busca aleatória não direcionada (24 tentativas) produziu zero políticas viáveis. O melhor score aleatório foi 6.46, e a maioria das execuções desviou-se do alvo.
• Poda: Identificou que o número de demonstrações e o orçamento de treinamento foram os principais fatores portadores de carga. O filtro de segurança de Função de Barreira de Controle (CBF) em tempo de execução foi essencial para a viabilidade.

Significância e Alegações

O artigo afirma que a principal contribuição é o processo de pesquisa autônomo e auditável em si, e não uma nova lei de orientação. A significância reside em:

• Rigor Estatístico na Automação: Demonstrar que a pesquisa impulsionada por LLM pode ser tornada honesta e reproduzível ao integrar disciplina estatística (medição de ruído de semente, reteste, ablação) diretamente no ciclo, em vez de como um pensamento posterior.
• Validação de Segurança Crítica: Mostrar que o framework pode certificar políticas para problemas com restrições de segurança onde a busca não direcionada falha completamente em encontrar qualquer solução viável.
• Separação de Preocupações: O LLM atua exclusivamente como o pesquisador offline; a política treinada é o único componente implantado a bordo. Isso garante que o LLM nunca comande diretamente o veículo, mitigando riscos associados à alucinação de LLM no controle em tempo real.

Os autores mantêm a modéstia quanto ao escopo, observando que as campanhas foram limitadas a dezenas de iterações (trocando throughput por credibilidade) e que a comparação com a busca aleatória, embora indicativa, foi secundária ao portão de ruído de semente. O trabalho estabelece uma base para o desenvolvimento "rápido e honesto" de autonomia aprendida para futuras missões espaciais.